सूक्ष्म स्तर पर छोटे लक्ष्यों की सामूहिक पहचान के लिए सुधारा गया YOLOv8 और SAHI मॉडल: चाय में कीट पहचान के मामले का अध्ययन

कृषि उत्पादन परिवेश में कीट लक्ष्यों की पहचान घातक वितरण, छोटे आकार और कीटों की उच्च घनत्व के कारण चुनौतीपूर्ण है। इसके अतिरिक्त, परिवर्तनीय पर्यावरणीय प्रकाश और जटिल पृष्ठभूमियाँ पहचान प्रक्रिया को और अधिक जटिल बनाती हैं। यह अध्ययन चाय के कीटों की पहचान प्रदर्शन को बढ़ाने पर केंद्रित है, और इसके लिए सुधारित YOLOv8 आर्किटेक्चर पर आधारित एक हल्के कीट छवि पहचान मॉडल को प्रस्तुत किया गया है। सबसे पहले, स्लाइसिंग-सहायता फाइन-ट्यूनिंग और स्लाइसिंग-सहायता हाइपर इनफरेंस (SAHI) का प्रस्ताव दिया गया है ताकि इनपुट छवियों को विभाजित किया जा सके और कम-रेसोल्यूशन छवियों और छोटे लक्ष्यों की पहचान के लिए मॉडल के प्रदर्शन को सुधार जा सके। फिर, ELAN के आधार पर, एक सामान्यीकृत कुशल परत संयोजन नेटवर्क (GELAN) को डिज़ाइन किया गया है ताकि बैकबोन नेटवर्क में C2f मॉड्यूल को प्रतिस्थापित किया जा सके, इसकी विशेषता निकासी क्षमता को बढ़ाने और एक हल्का मॉडल बनाने के लिए। इसके अतिरिक्त, विशेषता फ्यूज़न के लिए YOLOv8 के नेक नेटवर्क में MS संरचना का एकीकरण किया गया है, जो बारीक और मोटे अर्थपूर्ण जानकारी की निकासी को बढ़ाता है। इसके अलावा, ट्रांसफार्मर आर्किटेक्चर पर आधारित BiFormer ध्यान तंत्र का परिचय दिया गया है ताकि चाय के कीटों की लक्ष्यों की विशेषताओं को बढ़ाया जा सके। अंत में, सहायक सीमाओं के आधार पर inner-MPDIoU का उपयोग मूल हानि कार्य के प्रतिस्थापन के रूप में किया जाता है ताकि जटिल कीट नमूनों के लिए इसकी सीखने की क्षमता को बढ़ाया जा सके। हमारे प्रयोगात्मक परिणाम बताते हैं कि सुधारित YOLOv8 मॉडल 96.32% की सटीकता और 97.95% की रिकॉल प्राप्त करता है, जो मूल YOLOv8 मॉडल की तुलना में बेहतर है। इसके अलावा, यह 98.17% का mAP@50 स्कोर प्राप्त करता है। Faster R-CNN, SSD, YOLOv5, YOLOv7, और YOLOv8 की तुलना में, इसकी औसत सटीकता क्रमशः 17.04, 11.23, 5.78, 3.75, और 2.71 प्रतिशत अंक अधिक है। YOLOv8 का समग्र प्रदर्शन वर्तमान मुख्यधारा के पहचान मॉडलों से बेहतर है, जिसमें पहचान की गति 95 FPS है। यह मॉडल चाय के कीटों जैसे छोटे लक्ष्यों की पहचान में हल्के डिजाइन को उच्च सटीकता और गति के साथ प्रभावी ढंग से संतुलित करता है। यह जटिल उत्पादन परिवेश में चाय बागानों में विभिन्न कीटों की पहचान और वर्गीकरण के लिए एक मूल्यवान संदर्भ प्रदान कर सकता है, प्रभावी ढंग से व्यावहारिक अनुप्रयोग आवश्यकताओं को संबोधित करता है और चाय कीटों की भविष्य की निगरानी और वैज्ञानिक नियंत्रण के लिए मार्गदर्शन प्रदान करता है।